Retriever(检索器)是检索增强生成(RAG)系统中的核心组件,负责从海量文档、知识库或多模态数据中找出与用户查询最相关的内容,再交给大语言模型生成回答。它的质量直接决定 RAG 系统的上限:检索不准,后续生成再强也会“答非所问”。因此从学术研究到工业部署,Retriever 一直是 AI 基础设施中被持续优化的环节。
Retriever 近期进展
当前焦点与观察点
综合来看,Retriever 领域呈现几个明显趋势。其一是范式之争:传统稠密/稀疏检索器仍在工业部署中占主流,但生成式检索器(直接生成文档标识符)借助强化学习等训练手段正在追赶。其二是安全与鲁棒性成为新热点,近期有论文讨论 RAG 投毒攻击,即通过污染语料库间接操纵检索结果,这让人们意识到 Retriever 不仅是性能组件,也是攻击面。其三是评测趋于务实,TREC RAG 等评测开始要求用开放权重模型做端到端复现,强调真实场景而非榜单分数。
值得持续观察的问题包括:token collapse 等软提示退化问题是否在更广泛的参数化检索模型中普遍存在;多模态检索器如何与重排序、引用溯源(grounded generation)协同降低幻觉;以及在 Agent 化的知识获取管道中,Retriever 的角色是否会从“一次查询”演化为“多轮自主检索与验证”。